Stäubli Łódź Sp. z o.o.

Księgarnia – szczegóły publikacji

Podgląd
dostępny

Metody CAD i AI w inżynierii elektrycznej

Zamów publikację

Autor: Nocoń Adrian
Wydawnictwo: Wydawnictwo Naukowe PWN
Stron: 220
Data wydania: 2018-05-15
Typ: książka
Druk: tak
Wersja elektroniczna: nie
ISBN: 978-8-30-119708-7


Wersja papierowa: 59,00 PLN

Data wydania:

15-05-2018

Wymiary:

16.5 x 23.5 cm

Druk w kolorze:

nie

Papier kredowy:

nie

Twarda oprawa:

nie

 

Rozwiązania oparte na metodach sztucznej inteligencji (AI), w szczególności w odniesieniu do napędów elektrycznych i maszyn elektrycznych pracujących w systemie elektroenergetycznym, znalazły obecnie stałe miejsce w praktyce inżynierskiej. Zaistniała wobec tego potrzeba kształcenia kadry inżynierskiej w tym zakresie.

Publikacja ta, będąca częścią serii „MASZYNY ELEKTRYCZNE” zawiera ćwiczenia i przykłady pogrupowane według zagadnień takich przykładowo, jak:

  • ALGORYTMY GENETYCZNE: estymacja parametrów modelu matematycznego obcowzbudnego silnika prądu stałego,
  • SZTUCZNE SIECI NEURONOWE: neuronowy estymator prędkości obrotowej silnika prądu stałego albo:
  • LOGIKA ROZMYTA I ROZMYTE SIECI NEURONOWE: rozmyty regulator temperatury pieca oporowego.

Książkę kierujemy przede wszystkim do studentów kierunków technicznych i informatycznych, typu: elektrotechnika, mechatronika, automatyka i robotyka czy informatyka.

Spis treści: 

1. Przedmowa

2. Metody wspomagania komputerowego, systemy CAD

2.1. Podstawy teoretyczne

2.2. Przykłady zastosowań technik komputerowych

Przykład 2.1: Modelowanie silnika prądu stałego – model własny

Przykład 2.2: Modelowanie silnika prądu stałego – model standardowy

Przykład 2.3: Dobór nastawień regulatorów w układzie napędowym prądu stałego

Przykład 2.4: Modelowanie stanu przejściowego przy załączeniu napięcia w stanie jałowym transformatora

Przykład 2.5: Modelowanie stanu ustalonego silnika asynchronicznego

Przykład 2.6: Modelowanie rozruchu asynchronicznego silnika synchronicznego

Przykład 2.7: Uwzględnienie niepewności metodą symulacji Monte Carlo

3. Algorytmy genetyczn

3.1. Podstawy teoretyczne

3.2. Przykłady zastosowań algorytmów genetycznych

Przykład 3.1: Minimalizacja funkcji podstawowym algorytmem genetycznym

Przykład 3.2: Minimalizacja funkcji zmodyfikowanym algorytmem genetycznym

Przykład 3.3: Estymacja parametrów modelu matematycznego obcowzbudnego silnika prądu stałego

Przykład 3.4: Optymalizacja wielokryterialna parametrów regulatora typu PI

4. Sztuczne sieci neuronowe

4.1. Podstawy teoretyczne

4.2. Przykłady zastosowań sztucznych sieci neuronowych

Przykład 4.1: Aproksymacja funkcji nieliniowej

Przykład 4.2: Detekcja amplitudy przebiegu odkształconego

Przykład 4.3: Neuronowy model cieplny

Przykład 4.4: SSN do diagnozowania zwarć wewnętrznych transformatora jednofazowego

Przykład 4.5: Neuronowy estymator prędkości obrotowej silnika prądu stałego

5. Logika rozmyta i rozmyte sieci neuronowe

5.1. Podstawy teoretyczne

5.2. Przykłady zastosowania logiki rozmytej

Przykład 5.1: Rozmyty regulator temperatury pieca oporowego

Przykład 5.2: Rozmyty regulator prędkości wirowania silnika prądu stałego z ogranicznikiem prądu twornika

Przykład 5.3: Regulator PI z rozmytą adaptacją parametrów

Przykład 5.4: Neuronowo-rozmyty estymator prędkości obrotowej silnika prądu stałego

6. Prototypowanie w badaniach laboratoryjnych

7. Podsumowanie

8. Literatura

Brak załączników
Brak prenumeraty